change tokenizer
Browse files- README.md +1 -1
- README_JA.md +1 -1
- config.json +1 -7
- sentence_bert_config.json +1 -1
- special_tokens_map.json +0 -7
- tokenizer_config.json +4 -18
README.md
CHANGED
@@ -37,7 +37,7 @@ from sentence_transformers import SentenceTransformer
|
|
37 |
sentences = [
|
38 |
"PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
|
39 |
"この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
|
40 |
-
"広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。"
|
41 |
]
|
42 |
|
43 |
model = SentenceTransformer('pkshatech/simcse-ja-bert-base-clcmlp')
|
|
|
37 |
sentences = [
|
38 |
"PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
|
39 |
"この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
|
40 |
+
"広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。",
|
41 |
]
|
42 |
|
43 |
model = SentenceTransformer('pkshatech/simcse-ja-bert-base-clcmlp')
|
README_JA.md
CHANGED
@@ -34,7 +34,7 @@ from sentence_transformers import SentenceTransformer
|
|
34 |
sentences = [
|
35 |
"PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
|
36 |
"この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
|
37 |
-
"広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。"
|
38 |
]
|
39 |
|
40 |
model = SentenceTransformer('{model_id}')
|
|
|
34 |
sentences = [
|
35 |
"PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
|
36 |
"この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
|
37 |
+
"広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。",
|
38 |
]
|
39 |
|
40 |
model = SentenceTransformer('{model_id}')
|
config.json
CHANGED
@@ -1,10 +1,8 @@
|
|
1 |
{
|
2 |
-
"_name_or_path": "cl-tohoku/bert-base-japanese-v2",
|
3 |
"architectures": [
|
4 |
-
|
5 |
],
|
6 |
"attention_probs_dropout_prob": 0.1,
|
7 |
-
"classifier_dropout": null,
|
8 |
"hidden_act": "gelu",
|
9 |
"hidden_dropout_prob": 0.1,
|
10 |
"hidden_size": 768,
|
@@ -16,11 +14,7 @@
|
|
16 |
"num_attention_heads": 12,
|
17 |
"num_hidden_layers": 12,
|
18 |
"pad_token_id": 0,
|
19 |
-
"position_embedding_type": "absolute",
|
20 |
"tokenizer_class": "BertJapaneseTokenizer",
|
21 |
-
"torch_dtype": "float32",
|
22 |
-
"transformers_version": "4.25.1",
|
23 |
"type_vocab_size": 2,
|
24 |
-
"use_cache": true,
|
25 |
"vocab_size": 32768
|
26 |
}
|
|
|
1 |
{
|
|
|
2 |
"architectures": [
|
3 |
+
"BertModel"
|
4 |
],
|
5 |
"attention_probs_dropout_prob": 0.1,
|
|
|
6 |
"hidden_act": "gelu",
|
7 |
"hidden_dropout_prob": 0.1,
|
8 |
"hidden_size": 768,
|
|
|
14 |
"num_attention_heads": 12,
|
15 |
"num_hidden_layers": 12,
|
16 |
"pad_token_id": 0,
|
|
|
17 |
"tokenizer_class": "BertJapaneseTokenizer",
|
|
|
|
|
18 |
"type_vocab_size": 2,
|
|
|
19 |
"vocab_size": 32768
|
20 |
}
|
sentence_bert_config.json
CHANGED
@@ -1,4 +1,4 @@
|
|
1 |
{
|
2 |
"max_seq_length": 128,
|
3 |
"do_lower_case": false
|
4 |
-
}
|
|
|
1 |
{
|
2 |
"max_seq_length": 128,
|
3 |
"do_lower_case": false
|
4 |
+
}
|
special_tokens_map.json
DELETED
@@ -1,7 +0,0 @@
|
|
1 |
-
{
|
2 |
-
"cls_token": "[CLS]",
|
3 |
-
"mask_token": "[MASK]",
|
4 |
-
"pad_token": "[PAD]",
|
5 |
-
"sep_token": "[SEP]",
|
6 |
-
"unk_token": "[UNK]"
|
7 |
-
}
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
tokenizer_config.json
CHANGED
@@ -1,22 +1,8 @@
|
|
1 |
{
|
2 |
-
"cls_token": "[CLS]",
|
3 |
"do_lower_case": false,
|
4 |
-
"
|
5 |
-
"do_word_tokenize": true,
|
6 |
-
"jumanpp_kwargs": null,
|
7 |
-
"mask_token": "[MASK]",
|
8 |
-
"mecab_kwargs": {
|
9 |
-
"mecab_dic": "unidic_lite"
|
10 |
-
},
|
11 |
-
"model_max_length": 1000000000000000019884624838656,
|
12 |
-
"name_or_path": "cl-tohoku/bert-base-japanese-v2",
|
13 |
-
"never_split": null,
|
14 |
-
"pad_token": "[PAD]",
|
15 |
-
"sep_token": "[SEP]",
|
16 |
-
"special_tokens_map_file": null,
|
17 |
"subword_tokenizer_type": "wordpiece",
|
18 |
-
"
|
19 |
-
|
20 |
-
|
21 |
-
"word_tokenizer_type": "mecab"
|
22 |
}
|
|
|
1 |
{
|
|
|
2 |
"do_lower_case": false,
|
3 |
+
"word_tokenizer_type": "mecab",
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
"subword_tokenizer_type": "wordpiece",
|
5 |
+
"mecab_kwargs": {
|
6 |
+
"mecab_dic": "unidic_lite"
|
7 |
+
}
|
|
|
8 |
}
|